智慧應用 影音
Truphone 線上活動
event

【陳鴻麒專欄】魔鬼就在細節裡!善用AI防範系統錯誤與提升品質

讓AI幫一把,防範醫療系統錯誤與提升醫療品質。Unsplash

繼網路通訊、資料探勘(Data Mining)、物聯網到大數據分析,人工智慧(AI)在科技整合技術一躍千日的今天,所面對的挑戰將是如何將專業知識轉化為系統工程,藉由去中心化的過程,讓每位產業專家的智慧可以透過系統方法得以傳承。

毋庸置疑的是,AI已經在許多領域解決了一些難題並開始創造價值,這些包含電子商務、金融科技、保安及行動支付等,而這些領域也開始出現整合,未來相信將會有新的巨擘產生。而在我所熟悉的醫療產業裡,人工智慧+醫療資訊科技除了能解決醫護人力不足的問題外,更能透過資源整合,提升醫療品質,打造更優質的以人為本的智慧醫療服務。

 點擊圖片放大觀看

產業系統品質的三個維度,包括素質維度、體質維度、本質維度。陳鴻麒攝

一直以來,人工智慧的應用多數關注於從數據的視角出發,尋找數據中隱藏的關係和應用機會,也就是說AI的應用一直被著重在創造商業價值的「可能性」,例如利用更精準的偵測與判讀,以及提供更好的商業服務以協助企業組織增加獲利的可能。然而在需要「解決問題」、「預防」與「優化」這部分為提升品質而做的,以「防杜問題」、「提升品質」為導向的應用上,則還需要更多的突破。


從「創造機會」到「解決問題」 AI抓住藏在細節的魔鬼

假設您是一位企業的管理者,您會期待AI 能帶來什麼價值?是對於客戶的消費行為分析,以便於更加精準的投放廣告,還是期待它可以協助您解決企業的核心問題,提升生產品質同時抓住系統細節裡的魔鬼,而為您的企業帶來彎道超車的突破?如今這個破壞性創新的時代,企業面臨的經營管理問題,都具有高度動態複雜特性,營運績效的潮起潮落是表面的成果,而真正值得研究、傳承及引以為鑑的,卻是背後解決問題的邏輯與系統思考脈絡。

而另一方面,有意要以AI技術為基礎,發展應用服務的新創團隊,如何才能夠在愈來愈壅擠的應用服務市場裡,找到新殺手級應用以協助企業解決甚至避免系統性問題發生?在此我用產業問題與AI方案的本質歸納出以下幾個發展的新應用與新視角給大家參考:

•AI的應用要從過去以機會為導向的發散型應用,轉變為以問題為導向的收斂型應用。

•欲創造提升品質的價值,AI的應用要更多聚焦在解決過去沒有被解決的問題上,而不是創造新需求或換方法解決已知的問題。

•解決方案要能夠結合該產業內明確的品質標準,同時解決產業場域內具象化的問題。

在這些視角下,我們會發現應用目標相當明確,場域也非常的多。提質、增效、降本、減存是各產業普遍存在的需求,在這麼豐沛的需求與機會下,我們何不換個視角將AI 技術應用於解決問題的「確定性」(防弊),而不只是創造價值的「可能性」(興利)呢?

發現並解決產業結構缺陷與基礎問題 提升系統效率與價值

在各個產業裡都會存在著各式各樣的系統,而隨著系統而來的則是需要解決許多確切的問題,比如儀器設備的正常運作、服務品質、系統效率、設定參數、綜合成本等,這些都需要可被量化和確切的價值回報,並不單只是一種「可能性」。同時要實現知識和能力上的突破,以提升產業系統的效率與價值。


因此我們可以稱如此的解決方案為AI帶來的「品質革命」,而提到品質革命,就不得不提品質革命應該著重的三個面向,它們分別是「素質」、「體質」和「本質」三個維度。

在素質的維度裡,問題在於人的能力、組織文化與管理能力,傳承的方式是用組織文化;體質維度裡,問題在於設備、系統與流程,傳承方式在於訂定標準與設備的製造能力;而本質的維度裡,問題在於創造客戶價值,也就是商業模式創新,傳承方式則為技術授權為主的協同創新或服務創新。

在素質方面,透過AI來標準化人的工作流程,用數據建立更好的關聯與相關性,以使人員的經驗得以累積與傳承;在體質上,我們可以用更佳的數據分析,顯化產業系統的隱性問題,讓設備儀器的健康狀態得已被透明化管理,同時結合參數運算使運作過程的綜合效率更加優化;在本質的提升上,則可以數據為媒介,提升使用者使用端的價值,幫助使用者提升產品設備的功能性和可靠性,降低使用成本提高營運效率,同時創造新的服務模式以提升企業獲利能力。

新命題:防弊與興利一樣重要 AI抓住系統細節裡的魔鬼

AI的發展經過數次的起伏後,在近年來隨著硬體、算法、大數據這三個因素在各領域的突破,終於開始了大爆發時代,無論是社交、醫療、商業等領域都可以輕易地見到其應用;然而,在取得巨大的創造「可能性」的商業價值後,當前面臨的最大挑戰是需要找到更多的應用場域,進以滿足市場與資本對它與日俱增的期望。相較於以機會為導向應用,我們發現到有更多來自於產業系統中,如何解決問題、避免錯誤以及提升品質的確定性解決方案的需求與機會。

在人、系統、和物之間,透過建立和管理資料的來源性,進行不同維度的分析和參考性(Reference),進而發掘物與事之間的關聯性(Relationship)。再利用這種關係性不斷改善系統,最終實現系統的自我調節、重構和協同的強韌性(Resilience),如此就可以協助產業系統達到「減憂」(Worry Reduction)與升級。

若能夠充分利用這些要素來發展新應用,協助產業發展提升素質、體質與本質,減低系統錯誤發生率的方案,我認為這才是新AI 應用的最佳命題與藍海策略!

延伸閱讀:【陳鴻麒專欄】提升新創銷售技巧的6個僕人 完美搞定客戶需求

陳鴻麒

陳鴻麒 Steve Chen

現任
昊漢國際整合行銷 執行長
谷盺生物科技 營運長

商學院裡的醫療科技人
碩網資訊共同創辦人
近二十年時間擔任J&J、 B.Braun等外商醫材公司在台經理人
擅長團隊管理、商業模型、行銷通路佈局
樂觀、愛運動、愛學習、愛分享
目前正攻讀商學博士與兼任大學講師

作者更多專欄

  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: 大數據 AI